基于体数据的建模和绘制的发展现状综述
基于体数据的建模综述
现实世界中有许多物体、自然现象以及一些计算模型都可以用体数据描述。体数据可以看作是在有限空间中对一种或多种物理属性的一组离散采样。广义的体数据表示形式为：（X, f），其中{X}表示n维空间的采样点集合，f表示该点的物理属性，可以是标量值，如颜色、密度或向量值，如速度。图1中给出了三维体数据的示意。
在图1 中，体数据集合包含了width ×height ×depth 个体素。原点的体素位置是(0 ,0 ,0) ，下一个体素的位置是(1 ,0 ,0) 。X 坐标继续增加直到达到第一行末，此时的体素位置是(width - 1 ,0 ,0)；紧接这个点上面的点在第二行末,其位置是(width - 1 ,1 ,0) ；第一个薄片的最后一个点的位置是(width - 1 ,height - 1 ,0)；这个序列将随着体数据集合的薄片的增加而继续着.对体数据的操作包括了投影变换、三维坐标变换、三维滤波和体数据合成等，这些操作的时间复杂度是O (width ×height ×depth) ，即与体素的规模成正比。
关于体数据的表示、处理分析、建模和绘制方面的研究已经形成以们独立的学科----体视化。其任务就是要揭示物体内部的复杂结构并已经广泛应用于从医学成像、造型设计、地质分析到工业检测、计算流体力学、有限元分析等领域。
基于体数据的建模就是根据离散采样值构建物体对象的几何表达。当前，基于体数据的物体建模方法分为表面重建和体素重建两大类，其中表面重建主要是按照给定的阈值从体数据中抽取等值面，然后利用传统的表面绘制方法绘制此等值面。表面重建主要有以下几种：基于断层轮廓线的表面重构、基于体素的表面重构、几何变形法和造型法。
1.表面重建
1.1.基于断层轮廓线的表面重构
其数学表达为：已知N层断层平面上的一组闭合曲线{B k, k = 1,2,…,N}，重建表面S(x,y)，其中：B k = {(x, y) | S(x,y) = Z k}。它必须解决如下四个问题：轮廓对应（Correspondence Problem）、轮廓拼接（Tilling Problem）、分叉问题（Branching Problem）和曲面拟和（Surface-fitting Problem）。其中轮廓对应，后三个属于几何重建的问题。
1.1.1.轮廓对应
在三维重建成像中，如果成像深度的分辨率大于成像区域内物体之间的最小距离，则无论采用那种方式，都很难正确确定轮廓的对应关系。深度分辨率一般应比物体之间的最小距离大得多，例如大10倍以上.在这种情况下，采用简单的重叠方法就能容易地确定轮廓的对应关系。这是因为在相邻的两个图像平面中，两个分离的物体的二维切片不会重叠。但是如果深度分辨率不是很高，即使采用比较好的轮廓对应方法，有时也不容易正确确定轮廓的对应关系。特别对于激光扫描共焦显微生物医学三维图像，由于该图像上有的物体是弯曲的，有的是分叉的，有的是有孔的等等。在这种情况下，若采用轮廓的椭圆拟合和柱体生长，则很难正确确定轮廓的对应关系。在[d1]中采用如下一种间隙跟踪的方法来解决轮廓的对应问题。
下面介绍这种方法的基本步骤：
(1)首先，采用递进门限[p1]图像分割技术把图像分割成物体区域和背景区域，然后依次处理两个相邻图像平面对；
(2)在z和z+1两个相邻图像平面中，采用双边界法区域标号[p2]技术来组建每个二维物体，并获得每个二维物体的轮廓和方向链码；
(3)对z和z+1两个相邻图像平面做OR运算和AND运算；
(4)如果OR运算结果集S OR中只含有一种元素(如图1(a)所示)，且二维物体在z+1平面上，则轮廓对应是一对零或零对一。在这种情况下，相应的二维物体或者是底面(底面在z平面上)，或者是顶面(顶面在z+1平面上)。
(5)如果OR运算结果集S OR中只含有两种元素，且参加AND运算的两个相交边界之间的最大距离d大于事先设定的常数门限T1，即d>T1，或者AND运算的结果集S AND的元素数与参加AND运算的最小集合的元素数的比值R大于事先设定的常数门限阈值T2，即R>T2，如图1(b)所示，则轮廓对应是一对一。否则，无对应关系，如图1(c)所示。
(6)如果OR运算结果集S OR中含有多种元素，如图1(d)所示，则轮廓对应可能是多对多或复合对应。在这种情况下，如果d>T1，或者R>T2，则相应的轮廓是对应的，否则是无对应的。无对应的轮廓按步骤4处理；如果对应的轮廓是一对一，则按步骤5处理；如果对应轮廓是一对多，则按曲面分叉处理。如果对应轮廓是多对多，再按最大距离的大小进行分组。若组内距离大，组间距离小，则每组是一种对应，如在图1(d)中，A′和A间的d大，而和B间的d小，故A 和A′对应。同理，B和B′对应，C和C′对应。又因D和E与C′的R大，故D，E和C′对应，且C，D，E和C′是曲面分叉对应。
图1轮廓对应示意图
(二维物体A,B,C,D,E在z平面上，而A′,B′,C′在z+1平面上)
1.1.
2.轮廓拼接
轮廓拼接就是把相邻两个图像平面中的两个相对应的轮廓，用三角面片连接起来，以构成一个封闭的曲面(如图2 所示)。图2中，假设平面I和平面II是相邻的两个图像平面，且在平面I中有物体切片A和B；在平面II中有物体切片A′和B′；又假设物体切片A和A′同属一个物体，B和B′同属另一个物体，则A 和A′的轮廓相对应，B和B′的轮廓相对应，而轮廓拼接就是把A的轮廓(. .a b c d e. .) 和A′的轮廓(. .a′b′c′e′. .)，用三角面片(. .，a a′b′，a b′b，b b′c，b′c c′，c c′d，c′d d′，d d ′e，d ′e e′，..)链接起来，构成封闭的曲面，且这个封闭的曲面是一个没有重叠，没有悬浮，没有交叉的三角面片。
图2轮廓拼接
三角面片链接的方式可能是多种多样的，例如轮廓边bc和b′c′也可能用三角面片b′b c′和bc′c来拼接。到底采用哪种链接方式，需依赖于采用哪种链接准则。由此可见，若链接准则不同，其链接方式也就不同，则生成的封闭曲面也就不同，这也就是说，拼接生成的封闭曲面不是唯一的。因为每一种曲面对应一种链接方式和一种优化准则，所以很难说那种方式、那种优化准则最
好，最符合实际。
轮廓拼接比较常用的一种方法是环行轮廓拼接方法[p6]，该方法拼接的优
化准则是表面积最小，或者体积最大，或者两轮廓之间的跨接边(如图2中的虚
线所示)之和最短；另一种方法是弹性匹配轮廓拼接方法[p11，p12]。这两种基
本方法的优点是它们都是优化的轮廓拼接方法，虽然一般拼接效果都很好，但
是由于其优化运算增加了运算量，即降低了运算速度，因此在本文的虚拟物体三维重建中，为了减少运算量和数据量，以提高显示速度，采用了轮廓的多边形简化和环行轮廓拼接方法。其中，轮廓多边形简化的基本方法是:在轮廓检测时，首先建立轮廓的方向链码；然后依次搜索方向链码，其方向改变的点就是多边形的角点，而方向没有改变的点就是多边形边上的点；最后保留角点，去
掉边上的点；于是，这样就把轮廓简化成了多边形，并去掉了轮廓直线边上的冗余点。这样处理，既减少了轮廓拼接的三角形面片的数量，又不改变表面的拼接形状。环行轮廓拼接就是从一个轮廓(例如图2中的A)的某个点(例如A中的a 点)和与其对应轮廓(例如图2中的A′)的对应点(例如A′中的a′点)开始，沿着
轮廓线依次用三角面片把轮廓上的点链接起来，以构成一个封闭曲面。在环行
轮廓拼接中，本文采用跨接边长度最短，而不是采用跨接边长度之和最短来作为优化准则。这样由于就避免了轮廓拼接的迭代运算，从而不仅提高了运算速度，而且不影响总体的轮廓拼接形状。
1.1.3.分叉问题
进行处理曲面分叉时，文献[ p8 ]提出的方法是通过插入中间临界状态轮廓，把一对多的轮廓对应分解成一对二的轮廓对应。但笔者认为，这种方法有如下两个问题：第1 个问题是一对二的分解有时可能不成功，分解的结果仍然是一对多；第2 个问题是一对二的问题，本质上仍然是一对多的问题。所以本文提出一种把一对多或多对一的轮廓对应，分解成一对一的轮廓对应的方法。这种方法是先采用数学形态学的方法来确定多轮廓的分界线，再用这些分界线把单轮廓分割成相对应的多轮廓，结果得到一对一的轮廓对应。下面介绍这种方法的基本步骤。
(1) 在单一轮廓A′的区域内，对多轮廓A , B , C 做8 邻域的膨胀运算；
(2) 在膨胀运算中，任何两个轮廓膨胀的公共点就是轮廓之间分界线上的点；
(3) 多轮廓分界线与单轮廓A′的交点1, 2, 3 就是单轮廓A′的分割点；
(4) 重复多轮廓的膨胀运算，直到在单轮廓A′区域内，没有任何一点可以膨胀为止；
(5) 在单轮廓分割点1, 2, 3 处，把单轮廓A′分割成轮廓段12, 23 和31, 再把相应的分界线201, 302, 103 分别加到相应的单轮廓段12, 23 和31 中，即构成封闭的新轮廓1201, 2302 和3103。这种新轮廓和多轮廓就形成一对一的轮廓对应：A 和1201 对应, B 和3103 对应, C 和2302 对应。
图3基于数学形态学方法的分叉曲面分解
图3 中，多轮廓A , B , C 和单轮廓A′是多对一的轮廓对应。深灰色表示多轮廓的8 邻域膨胀运算结果。黑色线条01, 02, 03 是由膨胀运算所得到的多轮廓的分界线。
1.2.基于体素的表面重建
基于体素的表面重建方法是在物体表面通过的每一个体素内构造小面片，由这些小面片重建物体表面，即通过构造体数据中的等值面来重建物体表面。一般这些小面片都是三角片。这种方法主要适用于密集体数据，并且由于这种方法假定全局拓扑结构由局部拓扑结构所确定，就不必考虑分叉的问题。它主要有：Cuberille算法、MarchingCube算法、DividingCube算法等。
1.2.1.Cuberille算法
Cuberille算法适用于正交密集数据场的表示，主要用于医学图像和无损探伤等三维图像的物体表面重建。该方法将三维图像中的每个像素看成是空间中的一个六面体单元，即体素。在体素内数据场具有相同的值，用边界体素的六个面拟合物体表面。这种方法的特点是简单易行，便于并行处理，但会产生严重的走样，显示图像给人一种“块状”的感觉，尤其在物体边界处锯齿状走样特别醒目。
1.2.2.MarchingCube算法
Lorenson和Cline于1987年提出的MarchingCube算法是一个被广泛使用的体数据等值面抽取算法，已被视为三维规则数据场等值面生成的经典算法，其基本思想是把三维图像相邻层上的各四个像素组成立方体的八个顶点，逐个处理三维图像中的中的立方体，分类出与等值面相交的立方体，采用插值计算出等值面与立方体边的交点。根据立法体每个顶点与等值面的相对位置，将等值面与立方体的边的交点按一定方式连接生成等值面，作为等值面在该立方体内的一个逼近表示。MarchingCube算法存在连接方式上的二义性，目前主要采用以下两类方法解决：采用双曲线渐近线交点来判断二义性面和采用四面体剖分。该算法的优点是生成的物体表面显示十分细腻，可生成的面片数目十分庞大，不利于实时操作。对于医学图像这类较复杂的图像一般都要生成几十万个面片, 以至于用户无法对用面片绘制出来的图像进行旋转、平移、缩放等实时交互。
1.2.3.DividingCubes算法
在密集数据场处理时，包含物体表面的体素数量很多，每个三角面片很小，使得每个体素的投影接近像素大小，因此往往是显示精度而不是体素大小限制了图像的精度。一种更有效的的方法是直接在显示图像上显示像素点，这就是DividingCubes算法的基本思想。DividingCubes算法逐个扫描每个体素，当体素的八个顶点越过等值面时，将该体素投影到显示图像上。如果投影面积大于一个像素，则该体素被分割为更小的子体素，如此直至每个子体素在显示图像上的投影不大于一个像素大小，每个子体素在图像空间被绘制成一表面点。每一表面点由对应子体素的值、对象空间中的位置和梯度三部分表示，可采用传统的消隐技术如Z_Buffer算法，将表面点绘制到图像空间。该法是MarchingCube算法的一种很好的近似，它采用绘制表面点而非绘制体素内的物体表面面片，从而节省了大量的计算时间。
1.3.几何变形法
几何变形法是从采样体元数据集中抽取封闭等值面的方法。传统技术抽取的等值面几何表示缺少一种连通性的拓扑信息，是一种离散点插值的方法，而几何变形法是对原始数据的一种逼近表示。整个几何变形法过程描述如下：
●定义一个拓扑封闭的简单模型；
●基于一定的约束并保持拓扑简单性，对该模型进行几何变形、放大或
缩小
●模型上的每个顶点都有一个代价函数，用以评价其变形和拓扑结构的
性质，噪声和特征之间的关系，在变形中维持代价最小。
三维几何变形模型的约束函数的基本形式可表示为：
C i (x, y, z) = a0D(x, y, z) + a1I(x, y, z) + a2T i
其中：
D(x, y, z) 定义为三维空间中的势能场；
I(x, y, z)定义为三维空间中的边界判定算子；
1.4.造型法
造型法是从数据集（x i, y i, z i, F i）中构造一三变量插值函数F(x, y, z)来近似逼近原始数据集。造型过程可看作是一个将数据集（x i, y i, z i, F i）映射到三变量函数M(x, y, z)的操作。可假定造型函数是一些基函数的线性组合，因此造型法的问题在于选择合适的三变量基函数。目前广泛使用的基函数是三次样条函数如：距离函数和分段Hermite函数。
2.体素重建
体素重建也称直接体绘制法。体素模型是以体素（V oxel）集合来表达物体，一般体素是三维正交网格的一个单元，是用于医学图像等生成的规则体数据的建模与可视化。与传统的表面重建相比，体素模型不仅具有物体的外部形状信息，还包含物体的内部信息。以体绘制方法来对体素模型进行绘制，可表现物体的内部细节和外部形状。
体素模型可方便地进行模型间的布尔集合运算（并、交、差）。体素模型的建模也可用阈值分割法来区别出物体体素和背景体素。传统的表面几何模型也可
通过体素化过程转化成体素模型来表达。对以体素表达的物体或对象进行操作和显示的研究已经发展成为一门新兴的学科---体图形学。体图形学是计算机图形学中新崛起的一个非常引人注目的研究分支，它在许多方面都优于传统的面图形学。利用体图形学的三维成像就是体素成像(volume rendering)，能够描述物体的内部是体素成像的最大优势，它为计算机图形学带来了生机并开拓了更加广泛的应用领域；并且，体素成像目前牢牢地控制了医学、细胞生物学、分子生物学和工业无损检测等方面的主要应用。所以，很多人预言“正如70 年代光栅图形取代矢量图形一样，体图形学将要取代面图形学”。这个预言是否正确，还需要时间来验证，但确定无疑的是体图形学必将发挥越来越重要的作用。体素成像技术在美国等一些发达国家发展得极为迅速,而在我们国家才刚刚起步。
[d1] 何小海,罗代升等. 三维虚拟物体表面重建的研究, 中国图像图形学报, 2002,11(7):1192~1197
[p1] Luo D, Daly C, MacGrath J C. Iterative multilevel thresholding and splitting for 3D segmentation of live cell nuclei using laser scanning confocal microscopy[J]. Journal of Computer-Assisted Micorscopy, 1998, 10(4): 151～162.
[p2] Luo D. Pattern recognition and image processing. Chichester, UK: Horwood Publishing, 1998: 20～23.
[p6]Chang L W, Chen H W, HoJ R. Reconstruction of 3D medical images: A nonlinear interpolation technique for reconstruction of 3D medical images. Computer V ision Graphics Im ge Procession: Graphical Models and Image Processing, 1991,53(4): 298～309
[p8]管伟光. 体视化技术及其应用. 北京:电子工业出版社, 1998: 71～83.
[p11] Moshfeghi M, Ranganath S, Nawyn K. Three-dimensional elastic matching of volumes.
IEEE Trans. On Image Processing, 1994, 3(2): 128～138.
[p12] 管伟光, 马颂德. 具有形变的平面轮廓匹配问题. 自动化学报, 1996, 22(6): 666～671.
数据挖掘研究现状综述
数据挖掘 引言 数据挖掘是一门交叉学科，涉及到了机器学习、模式识别、归纳推理、统计学、数据库、高性能计算等多个领域。 所谓的数据挖掘（Data Mining）指的就是从大量的、模糊的、不完全的、随机的数据集合中提取人们感兴趣的知识和信息，提取的对象一般都是人们无法直观的从数据中得出但又有潜在作用的信息。从本质上来说，数据挖掘是在对数据全面了解认识的基础之上进行的一次升华，是对数据的抽象和概括。如果把数据比作矿产资源，那么数据挖掘就是从矿产中提取矿石的过程。与经过数据挖掘之后的数据信息相比，原始的数据信息可以是结构化的，数据库中的数据，也可以是半结构化的，如文本、图像数据。从原始数据中发现知识的方法可以是数学方法也可以是演绎、归纳法。被发现的知识可以用来进行信息管理、查询优化、决策支持等。而数据挖掘是对这一过程的一个综合性应用。
目录 引言 (1) 第一章绪论 (3) 1.1 数据挖掘技术的任务 (3) 1.2 数据挖掘技术的研究现状及发展方向 (3) 第二章数据挖掘理论与相关技术 (5) 2.1数据挖掘的基本流程 (5) 2.2.1 关联规则挖掘 (6) 2.2.2 .Apriori算法：使用候选项集找频繁项集 (7) 2.2.3 .FP-树频集算法 (7) 2.2.4.基于划分的算法 (7) 2.3 聚类分析 (7) 2.3.1 聚类算法的任务 (7) 2.3.3 COBWEB算法 (9) 2.3.4模糊聚类算法 (9) 2.3.5 聚类分析的应用 (10) 第三章数据分析 (11) 第四章结论与心得 (14) 4.1 结果分析 (14) 4.2 问题分析 (14) 4.2.1数据挖掘面临的问题 (14) 4.2.2 实验心得及实验过程中遇到的问题分析 (14) 参考文献 (14)
当今世界能源现状与发展综述
当今世界能源现状及发展趋势 当今世界，人类社会发展日益加速，无论是在工业，农业，还是第三产业服务业，高新技术产业，都是处于人类历史上空前发 展最快的一个阶段。社会的发展提高了人类的生活水平，大大加 强了社会生产力，同时对能源（如煤，石油）的需求和使用也大 幅提高，从汽车内燃机到家用用电器，无不需要能源去运作。 就中国目前来说，我国GDP每年以10%的速度发展，能源消 耗急骤增加，环境、生态日益恶化。这种对自然无序的、掠夺性 索取的发展模式已难以为继，实际上已造成当前十分严重的、不 可逆转的后果，大自然的惩罚已经不断地凸现出来，并还要继续 加重。 能源在历史上的利用状况： 人类对能源的利用主要有三大转换：第一次是煤炭取代木材 等成为主要能源；第二次是石油取代煤炭而居主导地位；而当 今世界是在石油逐渐枯竭的状况下向多能源结构的过渡转换。
18世纪前，人类只限于对风力、水力、畜力、木材等天然能源的直接利用，尤其是木材，在世界一次能源消费结构中长期占据首位。蒸汽机的出现加速了18世纪开始的产业革命，促进了煤炭的大规模开采。到19世纪下半叶，出现了人类历史上第一次能源转换。1860年，煤炭在世界一次能源消费结构中占24％，1920年上升为62％。从此，世界进入了“煤炭时代”。 19世纪70年代，电力代替了蒸汽机，电器工业迅速发展，煤炭在世界能源消费结构中的比重逐渐下降。1965年，石油首次取代煤炭占居首位，世界进入了“石油时代”。1979年，世界能源消费结构的比重是：石油占54％，天然气和煤炭各占18％，油、气之和高达72％。石油取代煤炭完成了能源的第二次转换。因此，石油是现在世界上利用最多的能源，并且面临着枯竭的危机。 化石燃料的大量利用破坏了生态环境，间接上对人类的发展也造成了不良的影响。因此，发展新能源，向多能源结构的过渡是当今人类所不可避免的。 我国能源利用现状： 一、能源丰富而人均消费量少 我国能源虽然丰富，但分布很不均匀，煤炭资源60%以上在华北，水力资源70%以上在西南，而工业和人口集中的南方八
齿轮发展状况综述
摘要：齿轮传动是机械传动中最重要的传动之一，其形式很多，运用广泛大至宇宙飞船, 小至手表、精密仪器,从国防机械到民用机械，从重工业机械到轻工业、农业机械, 无不广泛地采用齿轮传动。本文旨在介绍齿轮的起源与发展历程以及发展趋势。 关键字：齿轮发展传动前景
概述： 齿轮传动是机械传动中最重要的传动之一，其形式很多，运用广泛大至宇宙飞船, 小至手表、精密仪器,从国防机械到民用机械，从重工业机械到轻工业、农业机械, 无不广泛地采用齿轮传动。齿轮的车主要有以下几大特点：1、传动效率高，在常用的机械传动中，以齿轮的传动效率最高，如一级圆柱齿轮的传动效率可以达到99%。这对大功率传动十分重要。2、结构紧凑，在同样的使用条件下，齿轮所需要的空间尺寸一般比较小。3、工作可靠寿命长，设计制造正确合理、使用维护良好的齿轮传动，工作十分可靠寿命可以达到一二十年，这也是其他机械传动所不能比的。4、传动比稳定，传动比稳定往往是对传动性能的基本要求。 但是齿轮传动的制造以及安装精度要求很高，价格较贵，而且不适于传动距离较大的场合。 齿轮机构的类型很多，根据一对齿轮在啮合过程中及其瞬时传动比（i12=ω1/ω2）是否恒定，将齿轮机构分为圆形（i12=常数）齿轮机构和非圆形齿轮机构（i12≠常数）。应用最广泛的是圆形齿轮机构，而非圆形齿轮机构则应用与一些有特殊要求的机械传动中。根据齿轮两轴间的相对位置不同，圆形齿轮结构可以分成如下几类：1、用于平行轴间传动的齿轮机构。下图中（a）为外齿啮合齿轮机构（external meshing gears mechanism），两齿轮转向相反；图（b）为啮合齿轮机构（internal meshing gears mechanism）,两转轮转向相同。图（c）为齿轮与齿条结构（pinion and rack mechanism），齿条
中国镁产业发展现状综述
中国镁产业发展现状综述 （2014年8月22日） 镁是地壳中含量高，分布广的元素之一。镁天然存在于菱镁矿MgCO3、白云石CaMg（CO3）2、光卤石KCl·MgCl2·6H2O及橄榄石中，海水、盐湖及油田卤水中也含有大量的镁。自然界中以化合态存在，主要分布于白云石矿、盐湖、海水等资源中。镁在地壳表层储量居第8位，占2.35%（质量比），已知的含镁矿物有60多种，具有工业价值的有：菱镁矿MgCO3，含镁28.8%；白云石CaMg（CO3）2，含镁13.2%；光卤石KCl·MgCl2·6H2O，含镁8.8%。世界各地还有很多含镁的盐湖、地下卤水和盐矿床。 金属镁是继钢铁、铝之后的第三大金属工程材料，被称为“21世纪的绿色工程材料”。在所有结构金属中，镁的密度最低，仅为1.74g/cm3，只有铝的2/3、钛的2/5、钢的1/4，是迄今为止能够应用于工业最轻的金属结构材料之一。镁合金具有密度低、比强度高、比刚度高、阻尼性能好、散热性能好、电磁屏蔽能力强、易于回收等优点，在电子通讯、汽车制造、印刷影印、轨道交通、航空航天、军工兵器及钢铁脱硫和阴极保护等领域有着广泛的应用，尤其是随着世界能源危机、环境污染问题日趋严峻的今天，汽车的轻量化已迫在眉睫，而镁合金是汽车减轻的首选材料之一。 随着人类社会的发展，金属材料的消耗与日俱增，一些金属矿产资源趋于枯竭，金属矿产资源的紧缺已成为全球性的问题。在我国，
随着经济的高速发展，对钢铁、铝材等基础材料的需求在逐年增加，但其资源极为贫乏，资源问题已直接影响到钢铁、铝材工业的持续、稳定发展。与之相比，镁资源在我国及其丰富，现已探明储量70亿吨以上，占世界储量的22.5%，居世界第一，其中，在青海察尔汗湖，氯化镁储量达30多亿吨，占全国储量的74%，居全国首位。由于镁具有铝的特性，在铝资源短缺的今天，用取之不尽的镁资源代替日益枯竭铝资源已成为趋势。 目前镁冶炼的方法主要有两种：1、从尖晶石、卤水或海水中将含有氯化镁的溶液经脱水或熔融氯化镁熔体，之后进行电解，此法称为电解法；2、用硅铁对从碳酸盐矿石中经煅烧产生的氧化镁进行热还原，此法称为热还原法。其中皮江法是热还原法中使用最广泛的方法。 第一部分：国内外镁资源开发现状和发展趋势 一、国外镁资源开发现状和发展趋势 近年来世界镁工业发展非常迅速，但金属镁的生产却出现了不平衡趋势，全球原镁生产呈现西方国家减产中国增产两大走向。国外因镁矿石资源贫乏以及较高的环保要求，80%以上的金属镁是通过电解法生产的，而中国的皮江法炼镁生产不断扩大，产量及出口量快速增长，对全世界金属镁供应链造成了巨大冲击和严重影响，使西方国家的原镁冶炼厂纷纷关闭，仅存的几家如俄罗斯素里卡姆斯克镁厂（SMW）、以色列死海镁厂（Dead Sea Magnesium Works）、美国镁业
数据挖掘研究的现状与发展趋势_郑继刚
数据挖掘研究的现状与发展趋势 郑继刚,王边疆 (保山学院数学系,云南保山678000) 影响其空间分布的因素之间的关系;预测型的模 型用来根据给定的一些属性预测某些属性,如分类模 型和回归模型等. 目前,主要在空间数据挖掘的体系结构和挖掘过 程做了大量研究,包括面向对象的空间数据库的数据 挖掘、模糊空间关联规则的挖掘、不确定性挖掘、聚类 挖掘、挖掘空间数据的偏离和演变规则、基于多专题 地图的挖掘、交叉概化、基于时空数据的概化、并行数 据挖掘、统计分析与数据挖掘的协同和遥感影像的挖 掘等,主要采用了基于统计学和概率论、集合论、机器 学习、仿生物学、地球信息学的研究方法. 4.2多媒体数据挖掘 多媒体数据,包括图形、图像、文本、文档、超文 本、声音、视频和音频数据等,数据类型复杂.随着信 息技术的进步,人们所接触的数据形式越来越丰富, 多媒体数据的大量涌现,形成了很多海量的多媒体数 据库[8].这些数据大多是非结构化数据、异构数据, 特征向量通常是数十维甚至数百维,转化为结构数据 和降维成了多媒体数据挖掘的关键技术. 有研究者提出了多媒体数据挖掘的系统原型 ＭＤＭＰ,将多媒体数据的建模表示、存储和检索等多 媒体数据库技术与数据挖掘技术有机地结合在一起, 采用多媒体图像数据的相似性搜索、多维分析、关联 规则挖掘、分类与聚类分析等挖掘方法,广泛地应用 于医学影像诊断分析、卫星图片分析、地下矿藏预测 等各种领域. 4.3时序数据挖掘 时序数据挖掘通过研究信息的时间特性,深入洞 悉事物进化的机制,揭示其内在规律(如波动的周期、 振幅、趋势的种类等),成为获得知识的有效途径.关 键问题是要是寻找一种合适的序列表示方式,基于点 距离和关键点是常用的算法,但都不能完整表示出序 列的动态属性.时序数据挖掘的主要技术有趋势分析 和相似搜索,在宏观的经济预测、市场营销、客流量分 析、太阳黑子数、月降水量、河流流量、股票价格波动 等众多领域得到了应用.
文献综述_数据挖掘
数据挖掘简介 数据挖掘的任务 数据挖掘的任务就是从实例集合中找出容易理解的规则和关系。这些规则可以用于预测未来趋势、评价顾客、评估风险或简单地描述和解释给定的数据。通常数据挖掘的任务包括以下几个部分: 数据总结目的是对数据进行浓缩，给出它的紧凑描述。传统的也是最简单的数据总结方法是计算出数据库的各个字段上的求和值、平均值、方差值等统计值，或者用直方图、饼图等图形方式表示。数据挖掘主要关心从数据泛化的角度来讨论数据总结。数据泛化是一种把数据库中的有关数据从低层次抽象到高层次上的过程。数据泛化目前主要有两种技术:多维数据分析方法和面向属性的归纳方法。 多维数据分析方法是一种数据仓库技术，也称作联机分析处理(OLAP，onLineAnalysisProeess)。数据仓库是面向决策支持的、集成的、稳定的、不同时间的历史数据集合。决策的前提是数据分析。在数据分析中经常要用到诸如求和、总计、平均、最大、最小等汇集操作，这类操作的计算量特别大。因此一种很自然的想法是，把汇集操作结果预先计算并存储起来，以便于决策支持系统使用。存储汇集操作结果的地方称作多维数据库。多维数据分析技术已经在决策支持系统中获得了成功的应用，如著名的SAS数据分析软件包、Businessobject公司的决策支持系统Businessobjeet，以及IBM公司的决策分析工具都使用了多维数据分析技术。 采用多维数据分析方法进行数据总结，它针对的是数据仓库，数据仓库存储的是脱机的历史数据。为了处理联机数据，研究人员提出了一种面向属性的归纳方法。它的思路是，直接对用户感兴趣的数据视图(用一般的SQL查询语言即可获得)进行泛化，而不是像多维数据分析方法那样预先就存储好了泛化数据。方法的提出者对这种数据泛化技术称之为面向属性的归纳方法。原始关系经过泛化操作后得到的是一个泛化关系，它从较高的层次上总结了在低层次上的原始关系。有了泛化关系后，就可以对它进行各种深入的操作而生成满足用户需要的知识，如在泛化关系基础上生成特性规则、判别规则、分类规则，以及关联规则等。数据挖掘的分类 数据挖掘所能发现的知识有如下几种: .广义型知识，反映同类事物共同性质的知识; .特征型知识，反映事物各方面的特征知识; .差异型知识，反映不同事物之间属性差别的知识; .关联型知识，反映事物之间依赖或关联的知识; .预测型知识，根据历史的和当前的数据推测未来数据; .偏离型知识。揭示事物偏离常规的异常现象。 所有这些知识都可以在不同的概念层次上被发现，随着概念树的提升，从微观到中观再到宏观，以满足不同用户、不同层次决策的需要。例如，从一家超市的数据仓库中，可以发现的一条典型关联规则可能是“买面包和黄油的顾客十有八九也买牛奶”，也可能是“买食品的顾客几乎都用信用卡”，这种规则对于商家开发和实施客户化的销售计划和策略是非常有用的。 数据挖掘的方法 数据挖掘并非一个完全自动化的过程。整个过程需要考虑数据的所有因素和其预定的效用，然后应用最佳的数据挖掘方法。数据挖掘的方法很重要。在数据挖掘的领域里.有一点已经被广泛地接受，即不管你选择哪种方法，总存在着某种协定。因此对实际情况，应该具体分析，根据累积的经验和优秀的范例选择最佳的方法。数据挖掘中没有免费的午餐，也没
数据挖掘现状与前景
数据挖掘，这是个听起来既神秘，又具有诱惑性的词。就好像要去一片热带沙漠搜寻宝藏，宝藏的诱惑性很强，但是黄沙远处却看不透彻，不知此行是对是错，看到的光亮又是否只是虚幻的海市蜃楼。 所以很多学习数据挖掘的，或是想选择数据挖掘方向的人会在是否踏出第一脚时犹豫不决。 以下，我们就来分析看看数据挖掘的现状及前景。 首先看看百科中数据挖掘的定义：数据挖掘（Data Mining，DM）是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。 基于数据挖掘可能产生的巨大价值，我国的各大重点院校都针对数据挖掘开了专业课程以及研究课题，不仅如此，政府以及大型企业也开始重视这一领域，投资人力物力支持数据挖掘项目。 或许这样说还不够直观，那就就数字佐证。 据IDC对欧洲和北美62家采用了商务智能技术的企业的调查分析发现，这些企业的3年平均投资回报率为401%，其中25%的企业的投资回报率超过600%。调查结果还显示，一个企业要想在复杂的环境中获得成功，高层管理者必须能够控制极其复杂的商业结构，若没有详实的事实和数据支持，是很难办到的。因此，随着数据挖掘技术的不断改进和日益成熟，它必将被更多的用户采用，使更多的管理者得到更多的商务智能。 国外如此，那中国呢？ 随着我国信息化的发展，数据的积累及计算机的广泛应用，加上来自外资企业商业智能数据挖掘应用带来的竞争压力，商业智能及数据挖掘也逐渐在中国也形成了一个产业。随着成功案例的增多，不仅仅是金融保险电信等行业或是政府机构，中小企业也逐渐将商业智能应用于业务之中。 信息化时代数据的潜力不容小觑，IT部门一直是企业的核心，而数据挖掘技术更是得到了前所未有的重视和期待。目前我国数据挖掘、商业智能技术的人才培养体系还未健全，而企业对这方面的需求却一直在增长。数据知识发展为核心竞争力是现在及未来必然的形势。因此数据挖掘、商业智能行业的前景还是非常可观的。 所以，请坚定勇敢地踏出迈向数据挖掘的那一步吧，然后扎实地学好所需的知识理论及实践技巧，最后所收获到的，或许比你所期待的还多。
数据挖掘在中国的现状和发展研究
数据挖掘在中国的现状和发展研究 导读：本文以科学引文索引数据库(SCI)、工程索引数据库(EI)以及清华全文数据库(CNKI)中有关“数据挖掘”研究文章的统计数据为研究基础，对数据挖掘在我国研究的总体趋势、研究热点、研究分支三个方面进行分析和研究。本文分析了数据挖掘在我国的发展，并对进一步发展我国数据挖掘的理论研究和实际应用提出了建议。 关键字：数据挖掘 0 引言 近年来，随着计算机对数据的生成、收集、存贮和处理能力的大大提高，数据量与日俱增，传统的数据分析工具对海量数据的处理力不从心，数据挖掘技术应运而生。 中国科研工作者近几年来积极开展了对数据挖掘的研究，并在理论研究和实际应用上取得了一定的成绩，但是有关数据挖掘的成功应用还比较少。本文通过对中国有关数据挖掘研究文章数量的统计，对数据挖掘在中国发展的现状及发展趋势进行分析和研究，通过分析有关论文的发表，对数据挖掘在中国的理论研究和实际应用提出建议。 1 数据挖掘的应用与研究发展 数据挖掘是指从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘有用知识的过程。数据挖掘是一门新兴的边缘学科，近年来引起了中国学术界和产业界的广泛关注。 数据挖掘出现于20世纪80年代后期，90年代有了突飞猛进的发展。2001年，Gartner Group的一次高级技术调查将数据挖掘和人工智能列为“未来三到五年内将对工业产生深远影响的五大关健技术”之首，并且还将并行处理体系和数据挖掘列为未来五年内投资焦点的十大新兴技术前两位。美国麻省理工学院在2001年1月份的《科技评论》(Technology Review)提出将在未来5年对人类产生重大影响的10大新兴技术，其中第3项就是数据挖掘。 数据挖掘技术已被广泛的应用于各个领域，其中一些典型应用如加州理工学院喷气推进实验室与天文科学家合作开发的SKICAT系统，能够帮助天文学家发现遥远的类星体，是人工智能技术在天文学和空间科学上的第一批成功应用之一；生物学研究中用数据挖掘技术对DNA进行分析利用数据挖掘技术识别顾客的购买行为模式，对客户进行了分析；对银行或商业上经常发生的诈骗行为进行预测IBM公司
国内外大数据发展现状和趋势(2018)
行业现状 当前，许多国家的政府和国际组织都认识到了大数据的重要作用，纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，对大数据产业发展有着高度的热情。 美国政府将大数据视为强化美国竞争力的关键因素之一，把大数据研究和生产计划提高到国家战略层面。在美国的先进制药行业，药物开发领域的最新前沿技术是机器学习，即算法利用数据和经验教会自己辨别哪种化合物同哪个靶点相结合，并且发现对人眼来说不可见的模式。根据前期计划，美国希望利用大数据技术实现在多个领域的突破，包括科研教学、环境保护、工程技术、国土安全、生物医药等。其中具体的研发计划涉及了美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等6个联邦部门和机构。 目前，欧盟在大数据方面的活动主要涉及四方面内容：研究数据价值链战略因素；资助“大数据”和“开放数据”领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成果和数据的使用及再利用。 英国在2017年议会期满前，开放有关交通运输、天气和健康方面的核心公共数据库，并在五年内投资1000万英镑建立世界上首个“开放数据研究所”；政府将与出版行业等共同尽早实现对得到公共资助产生的科研成果的免费访问，英国皇家学会也在考虑如何改进科研数据在研究团体及其他用户间的共享和披露；英国研究理事会将投资200万英镑建立一个公众可通过网络检索的“科研门户”。 法国政府为促进大数据领域的发展，将以培养新兴企业、软件制造商、工程师、信息系统设计师等为目标，开展一系列的投资计划。法国政府在其发布的《数字化路线图》中表示，将大力支持“大数据”在内的战略性高新技术，法国软件编辑联盟曾号召政府部门和私人企业共同合作，投入3亿欧元资金用于推动大数据领域的发展。法国生产振兴部部长ArnaudMontebourg、数字经济部副部长FleurPellerin和投资委员LouisGallois在第二届巴黎大数据大会结束后的第二天共同宣布了将投入1150万欧元用于支持7个未来投资项目。这足以证明法国政府对于大数据领域发展的重视。法国政府投资这些项目的目的在于“通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展”。众所周知，法国在数学和统计学领域具有独一无二的优势。 日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题。2013年6月，安倍内阁正式公布了新IT战略——“创建最尖端IT国家宣言”。“宣言”全面阐述了2013～2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。日本著名的矢野经济研究所预测，2020年度日本大数据市场规模有望超过1兆日元。 在重视发展科技的印度，大数据技术也已成为信息技术行业的“下一个大事件”，目前，不仅印度的小公司纷纷涉足大数据市场淘金，一些外包行业巨头也开始进军大数据市场，试图从中分得一杯羹。2016年，印度全国软件与服务企业协会预计，印度大数据行业规模在3年内将到12亿美元，是当前规模的6倍，同时还是全球大数据行业平均增长速度的两倍。印度毫无疑问是美国亦步亦趋的好学生。在数据开放方面，印度效仿美国政府的做法，制定了一个一站式政府数据门户网站https://www.wendangku.net/doc/b13419825.html,.in，把政府收集的所有非涉密数据集中起来，包括全国的人口、经济和社会信息。 我国大数据行业仍处于快速发展期，未来市场规模将不断扩大 ?目前大数据企业所获融资数量不断上涨，二级市场表现优于大盘，我国大数据行业的市
数控技术发展状况及策略综述
数控技术发展状况及策略综述 摘要：随着当前科学技术的进一步发展，数控加工已经成为国家机械化和工业 化水平的重要标志。这项技术涉及到的领域范围很多，包括机械制造技术、信息 处理技术、自动控制技术以及相应的计算机软件处理技术等新技术的使用，改变 了传统的制造业，在未来，数控加工技术会朝着更好的方向发展，将会促使我国 制造业的发展进步。 关键词：数控技术；发展状况；策略；综述 对于数控系统而言，一方面由于传统数控系统的各个模块相互耦合，使得结 构变更和功能扩展异常困难；另一方面由于数控系统结构的开放程度低，其研发 过程无法充分利用先进的电子信息技术，极大降低了数控系统的研发效率，同时 基于小团队的数控系统研发不能充分调动社会的有效资源和积极性，包括工艺过 程实现在内的各模块难以全面细致，使得开发的高端数控并不高端。我国数控行 业的发展很大程度上受限于数控系统自身的封闭性，数控系统的不开放以及制造 工艺流程未体现等问题成为目前制约我国数控行业发展的主要瓶颈。随着先进计 算机和电子信息技术的发展，充分利用组件式软件技术、通过互联网手段把全社 会乃至全球的资源集中起来，有效发挥掌握工艺经验的一线人员等社会资源参与 开发和甄别成为可能。 1数控木工机械的发展现状 1.1数控木工机械发展现状 数控机床具有高精度、质量好、加工性能强、生产效率高、稳定性强等优点，并受到了越来越多企业的青睐。其中木材加工行业广泛应用起数控机床，且相关 研究也在逐步深入，在近几年，我国数控木工机械发展迅速，以下将会对一些具 有代表性的数控技术进行分析。①数控木工机械硬件发展现状。当前我国木工机械硬件仍未建立起系统的体系，基本是由背景文泰垄断中低档数控镂铣机，其不 但销售软件，同时还出处全套硬件。②数控木工机械软件发展现状。当前主要是由中国台湾恩德控制了大部分高档数控镂铣机数控软件，其销售软件时通常都是 配套硬件一同销售，基本在我国大陆形成了垄断局面。③木工机械数控机床技术发展现状。当前我国的数据砂光机、数控阶段锯切设备以及数控带锯机技术等发 展极为迅速，就以砂光机为例，当前我国已成为了生产砂光机最大的国家，基本 垄断中低端砂光机市场，且逐步实现了中低端砂光机数字控制功能。 1.2数控技术发展概况 数控该技术在我国发展时间尚短，最早是将其应用在金属加工行业，从发展 至今共经历了3个发展阶段：①初始阶段（1958~1979），在该阶段我国生产的 数控系统可靠性不足，且应用范围极为有限；②发展阶段（1980~1993），经历 改革开放，我国有效吸收与借鉴外国优秀生产经验，并积极引进先进的数控系统，在很大程度上促进了我国数控技术的发展；③缓慢发展阶段（1994至今），在 全球金融危机影响下，在20世纪末我国出现了负增长的情况，发展到21世纪逐 步得到了恢复，当前我国机械加工设备数控化率在85~90%范围内，其中木工机 械制造业其设备数控率约45%。 2数控加工技术的应用 2.1数控车加工的应用 ①精度要求较高的零件，数控车床整体的刚性很好，制造的精度极高，因此 对于尺寸强度要求较高的零件这项技术的使用十分有效；②超精密、超低表面粗
数据挖掘研究现状及发展趋势
数据挖掘研究现状及发展趋势摘要：从数据挖掘的定义出发，介绍了数据挖掘的神经网络法、决策树法、遗传算法、粗糙集法、模糊集法和关联规则法等概念及其各自的优缺点；详细总结了国内外数据挖掘的研究现状及研究热点，指出了数据挖掘的发展趋势。 关键词：数据挖掘；挖掘算法；神经网络；决策树；粗糙集；模糊集；研究现状；发展趋势 Abstract：From the definition of data mining，the paper introduced concepts and advantages and disadvantages of neural network algorithm，decision tree algorithm，genetic algorithm，rough set method，fuzzy set method and association rule method of data mining，summarized domestic and international research situation and focus of data mining in details，and pointed out the development trend of data mining. Key words：data mining，algorithm of data mining，neural network，decision tree，rough set，fuzzy set，research situation，development tendency 1引言 随着信息技术的迅猛发展，许多行业如商业、企业、科研机构和政府部门等都积累了海量的、不同形式存储的数据资料[1]。这些海量数据中往往隐含着各种各样有用的信息，仅仅依靠数据库的查询检索机制和统计学方法很难获得这些信息，迫切需要能自动地、智能地将待处理的数据转化为有价值的信息，从而达到为决策服务的目的。在这种情况下，一个新的技术———数据挖掘(Data Mining，DM)技术应运而生[2]。 数据挖掘是一个多学科领域，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、信息检索等最新技术的研究成果，其应用非常广泛。只要是有分析价值的数据库，都可以利用数据挖掘工具来挖掘有用的信息。数据挖掘典型的应用领域包括市场、工业生产、金融、医学、科学研究、工程诊断等。本文主要介绍数据挖掘的主要算法及其各自的优缺点，并对国内外的研究现状及研究热点进行了详细的总结，最后指出其发展趋势及问题所在。 江西理工大学
大数据发展现状与未来发展趋势研究
大数据发展现状与未来发展趋势研究 朱孔村 （江苏省科学技术情报研究所，江苏南京210042） 【摘要】数据是信息化时代的“新石油”资源，如何利用好这种“新石油”资源需要大数据技术的支持。文章介绍了大数据技术及其发展历程，概括了当前国内外大数据的发展现状并展望了大数据技术和产业方面的未来发展趋势。 【关键词】大数据；现状；趋势 【中图分类号】TP391【文献标识码】A【文章编号】1008-1151(2019)01-0115-04 Research on the Current Situation and Future Development Trend of Big Data Abstract: Data is the “new petroleum” resource of the information age and how to make good use of this “new petroleum” resource needs the support of big data technology. This paper first introduces the big data technology and its development process and summarizes the current development of big data at home and abroad. Finally, the future development trend of big data technology and industry is prospected. Key words: big data; current situation; trend 1 大数据技术概述 1.1大数据技术 随着物联网、云计算、移动互联网等技术的成熟，以及智能移动终端的普及，全社会的数据量呈指数型增长，全球已经进入以数据为核心的大数据时代。大数据并不是一个新的概念，信息技术发展的每一个阶段都会遇到数据处理的问题，人类需要不停的面对来自数据的挑战。为满足商业结构化数据存储的需求而产生了关系型数据库，为满足互联网时代非结构化数据存储需求而产生了NoSQL技术，而大数据技术的产生是为了解决大型数据集分析的问题。 大数据技术目前还没有一个确切的定义，各行各业有着自己的见解，但总体而言，其关键在于从数量庞大、种类繁多的数据中提取出有用的信息。维基百科从数据处理的角度将大数据定义为一个超大的、难以用现有常规的数据库管理技术和工具处理的数据集。国际数据公司（IDC）给出的报告指出，大数据技术描述了一种新一代技术和构架，以很经济的方式、以高速的捕获、发现和分析技术，从各种超大规模的数据中提取价值[1]。 少量的数据看似杂乱无章，但是当数据累积到一定程度时，就会呈现出一种规律和秩序。大数据的价值就在于数据分析，利用大数据分析技术，从海量数据中总结经验、发现规律、预测趋势，最终为辅助决策服务。《大数据时代》的作者克托·迈尔-舍恩伯格认为：“大数据开启了一次重大的时代转型”，他指出大数据将带来巨大的变革，改变人们的生活、工作和思维方式，改变人们的商业模式，影响人们的经济、政治、科技和社会等各个层面。 1.2大数据发展历程 1.2.1萌芽阶段 20世纪90年代，“大数据”这个术语开始出现。1998年SGI首席科学家John Masey在USENIX大会上提出大数据的概念，他当时发表了一篇名为Big Data and the Next Wave of Infrastress的论文，使用了大数据来描述数据爆炸的现象。但是那时的大数据只表示“大量的数据或数据集”这样的字面含义，还没有涵盖到相关的采集、存储、分析挖掘、应用等技术方法与特征内涵 1.2.2发展阶段 从20世纪末到21世纪初期是大数据的发展期，在这一阶段中大数据逐渐为学术界的研究者所关注，相关的定义、内涵、特性也得到了进一步的丰富。2003至2006年，Google 发布的GFS、MapReduce和BigTable三篇论文对大数据的发展起到重要作用。2006至2009年，大数据技术形成并行运算与分布式系统。2009年，Jeff Dean在BigTable基础上开发了Spanner数据库。随着数据挖掘理论和数据库技术的逐步成熟，一批商业智能工具和知识管理技术如数据仓库、专家系统、知识管理系统等开始被应用。 1.2.3成熟阶段 2011年至今，是大数据发展的成熟阶段，越来越多的研究者对大数据的认识从技术概念丰富到了信息资产与思维变革等多个维度，一些国家、社会组织、企业开始将大数据上升为 总第21卷233期大众科技Vol.21 No.1 2019年1月Popular Science & Technology January 2019 【收稿日期】2018-11-06 【作者简介】朱孔村（1985－），男，山东临沂人，江苏省科学技术情报研究所实习研究员，从事电子政务相关工作。 - 115 -
商业模式发展现状综述
商业模式理论发展现状综述 1：商业模式理论经过十几年的发展之后，已经出现非常多的研究成本，这些研究成果包括了很多的方面，所以说，很多的学者都是通过不同的方向都对商业模式进行不同的研究，得出的成果也都不同。从总体上看，商业模式的理论都是围绕着企业的根本性质与目标进行的研究结论。现在商业模式理论涵盖的范围非常的广泛，包括了很多内容，例如：资源获取、生产、营销、售后、研究开发、客户资源、成本及收入等等。所以，商业模式是一个非常复杂的课题，他会涉及很多的经济学和管理学理论，所以商业模式的研究需要研究者都能够用创新性的思维，不会被局限在已有的理论基础上。事实上人们对商业模式研究的共同目标和共同理想，都是为了使人们能够对商业关系和经营管理理论有更进一步认知，让以后利用其理论更加的简便。 2国外商业模式理论相关研究成果 商业模式这个词语，第一次是出现在《经营研究》这一篇文章中的。而到了20世纪90年代才成为了被学者们所研究的热门话题。在20世纪90年代，著名管理学大师，彼得·德鲁克将商业模式称之为经营理论，而加拿大著名管理学家亨利·明兹伯格将商业模式称为战略思想。国外的学者加里·哈默尔以及C.K. 普拉哈拉德两人，所提出的“战略意向”这一概念也比较符合商业模式的实际意义。他们通过对世界上的成功企业进行分析和研究后指出，战略不应该是一种具体规划，因为成功的企业是不可能通过规划规划出来的，所以，战略在本质上应该是一种意象，它是企业渴望得到的远大前程和领先地位的一种意象。 而随着时间的发展，学者们对于商业模式研究的方向也越来越多，20世纪 90年代后国外的研究者们对商业模式理论的研究方向就是寻找商业模式的通用 性概念，找出商业模式的构成要素，在这个阶段研究者们对商业模式理论已经有一定的认知，理论研究已经进入了对商业模式概念的描述阶段。而随着时间的发展，学者们对商业模式的构成要素的总结越来越完善，提出的观点就越来越符合一般规律。当商业模式的概念比较清晰之后，学者们就开始对商业模式的一般模型进行研究，但是到目前为止还没有一个比较优秀、系统的观点出现。 3：国内商业模式理论相关研究成果 国内商业模式理论研究的起步阶段要远远晚于国外关于商业模式理论的研究，所以国内商业模式研究的成果、阶段，也是远远落后于国外的理论研究阶段的。在我国当前的理论研究阶段中，我国学者对商业模式的研究还主要是处于商业模式的跟踪研究阶段。王波和彭亚利2002年在《经济观察报》中提出的“何为商业模式”中，提出的理论都是应用性的研究理论，其最终成果缺乏相关理论成果的支持，并不能构成完整的理论体系。 国内后续商业模式理论的主要研究者有西南财经大学的罗珉教授、曾涛博士，以及厦门大学管理学院翁君奕教授、程愚博士。他们各自都在自己所著的文献中
数据挖掘文献综述
湘潭大学 本科生专业文献综述 题目: 数据挖掘文献综述 姓名: 林勇 学院: 信心工程学院学院 专业: 自动化 班级: 一班 学号: 2010550113 指导教师: 张莹
0前言 随着计算机技术的迅猛发展，人类正在步入信息社会。面对今天浩如烟海的信息，如何帮助人们有效地收集和选择所感兴趣的信息，更关键的是如何帮助用户在日益增多的信息中自动发现新的概念并自动分析它们之间的关系，使之能够真正地做到信息处理的自动化，这已成为信息技术领域的热点问题。数据挖掘就是为满足这种要求而产生并迅速发展起来的，可用于开发信息资源的一种新的数据处理技术。 1什么是数据挖掘 数据挖掘(Data Mining)，也叫数据开采，数据采掘等，是按照既定的业务目标从海量数据中提取出潜在、有效并能被人理解的模式的高级处理过程。在较浅的层次上，它利用现有数据库管理系统的查询、检索及报表功能，与多维分析、统计分析方法相结合，进行联机分析处理，从而得出可供决策参考的统计分析数据。在深层次上，则从数据库中发现前所未有的、隐含的知识。OLAF'的出现早于数据挖掘，它们都是从数据库中抽取有用信息的方法，就决策支持的需要而言两者是相辅相成的。OLAP可以看作一种广义的数据挖掘方法，它旨在简化和支持联机分析，而数据挖掘的目的是便这一过程尽可能自动化。数据挖掘基于的数据库类型主要有：关系型数据库、面向对象数据库、事务数据库、演绎数据库、时态数据库、多媒体数据库、主动数据库、空间数据库、遗留数据库、异质数据库、文本型、Internet信息库以及新兴的数据仓库(Data Warehouse)等。而挖掘后获得的知识包括关联规则、特征规则、区分规则、分类规则、总结规则、偏差规则、聚类规则、模式分析及趋势分析等。 1.1 数据挖掘的任务 数据挖掘的两个高层目标是预测和描述。前者指用一些变量或数据库的若干已知字段预测其它感兴趣的变量或字段的未知的或未来的值；后者指找到描述数据的可理解模式。根据发现知识的不同，我们可以将数据挖掘任务归纳为以下几类： (1)特征规则。从与学习任务相关的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征．例如可以从某种疾病的症状中提取
大数据发展背景与研究现状
大数据发展背景与研究现状 （一）大数据时代的背景 随着计算机存储能力的提升和复杂算法的发展，近年来的数据量成指数型增长，这些趋势使科学技术发展也日新月异，商业模式发生了颠覆式变化。《分 MGI）发 “赢 技术使得在线购物的完成率提升了10%到15%。我国信息数据资源80%以上掌握在各级政府部门手里，但很多数据却与世隔绝“深藏闺中”，成为极大的浪费。2015年，国务院印发《促进大数据发展行动纲要》，明确要求“2018年底前建成国家政府数据统一开放平台”；今年5月，国务院办公厅又印发《政务信息系
统整合共享实施方案》，进一步推动政府数据向社会开放。1 大数据可以把人们从旧的价值观和发展观中解放出来，从全新的视角和角度理解世界的科技进步和复杂技术的涌现，变革人们关于工作、生活和思维的看法。大数据的应用十分广泛，通过对大规模数据的分析，利用数据整体性与涌现性、相关性与不确定性、多样性与非线性及并行性与实时性研究大数据在 。2012年Gartner认为，不到两年时间大数据将成为新技术发展的热点，海量和多样化的信息资产使得大数据需要新的处理模式，才能为数据信息使用者提供有效的信息，使得企业洞察危险的能力增强，流程得以优化，决策更加准确。Victor 在其最新着作《大数据时代——生活、工作与思维的大变革》中指出，大数据 1人民网 26个好用大数据的秘诀
时代要想得到有价值的信息，要从总体而不是少量的数据样本分析与实务相关的所有数据。更加注重数据之间的相关关系，乐于加收纷繁复杂的数据，而不再探求难以捉摸的因果关系和追求数据的精确性。欧盟在其公布的《数字议程》中指出公共数据的市场价值约有320亿欧元，公共数据的开放和再利用可以产生新的商业和工作机会。开放行、公共数据，增加政府的开放和透明度可以给 年9 展的进程。2017年8月30日，国家旅游局、银联商务股份有限公司和中国电信集团联合成立“旅游消费但是数据联合实验室”，并发布了首份研究成果《2017年上半年中国旅游消费大数据报告》。三方在各自的领域有深耕多年的技术、大数据能力、市场资源和经验，通过签署站多合作，可以实现资源共享，优势互 3国家十三五规划纲要
国内外研究现状和发展趋势综述
目前，国内外污水处理厂采用的工艺有普通活性污泥法，氧化沟工艺，SBR 间歇活性污泥法，AB法(Adsorption—Biooxidation),A-A-O法(Anaerobic—Anoxic—Oxic),活性污泥法非新工艺，生物滤池法，生物转盘法，生物接触氧化法等工艺 1．普通活性污泥法 在当前污水处理技术领域中，普通活性污泥法是应用最广泛的技术之一。有机污染物在曝气池内降解，有机污染物沿池长降低，需氧速度也沿池长降低。普通活性污泥法处理效果很好，BOD去除率达到90%以上，适于处理净化程度和稳定程度要求较高的污水。 不足之处是：普通活性污泥法只能作为常规二级处理，不具备脱氮除磷的功能；曝气池容积大，占地面积大，经济上面不划算；耗氧速度沿池长是变化的，但是供氧速度达不到要求；对进水水质，水量变化的适应性较低；运行效果易受水质水量的影响。 2 氧化沟工艺 氧化沟又称循环曝气池，是于50年代由荷兰的Pasveer所开发的一种污水生物处理技术，属活性污泥法的一种变法。氧化沟在应用中发展为多种形式，比较有代表性的有：卡罗塞尔(Carrousel)氧化沟；奥贝尔(Orbal)氧化沟；三沟式氧化沟(T型氧化沟) 氧化沟具有出水水质好、抗冲击负荷能力强、除磷脱氮效率高、污泥易稳定、能耗省、便于自动化控制等优点。但是，在实际的运行过程中，仍存在一系列的问题，如污泥膨胀问题、泡沫问题、污泥上浮问题、流速不均及污泥沉积问题 。同时，该法采用低负荷延时曝气运行方式，池的容量大，曝气时间长，建设费用和运行费用都比较高，而且占地大，一般运用于处理水质要求高的小型城镇污水和工业污水。 3 SBR间歇活性污泥法(Sequencing Batch Reactor) SBR法早在20世纪初已开发，由于人工管理繁琐未予推广。此法集进水、曝气、沉淀、出水在一座池子中完成，常由四个或三个池子构成一组，轮流运转，一池一池地间歇运行，故称序批式活性污泥法。现在又开发出一些连续进水连续出水的改良性SBR工艺，如ICEAS法、CASS法、IDEA法等。这种一体化工艺的特点是工艺简单，由于只有一个反应池，不需二沉池、回流污泥及设备，一般情况下不设调节池，多数情况下可省去初沉池。正是SBR 工艺这些特殊性使其具有以下优点：
中国国内草莓市场发展情况综述
中国草莓市场发展概况 中国草莓市场基本概况 草莓(strawberry)营养价值高，含丰富的维生素C，有帮助消化的功效，同时还可以巩固齿龈，清新口气，润泽喉部，另外加上特别的外形，因此深受消费者的喜爱。我国是世界草莓属植物种类分布最多的国家，草莓种植面积达200万亩左右（2,000,000亩），年产量约200万吨（2,000,000吨），产值约300亿元 （30,000,000,000元人民币），根据草莓协会统计，自2007年以来,无论从种植面积还是产量来看，中国都已经成为世界上最大的草莓生产国家，气候条件和病虫害等因素很容易影响到草莓的产量。 我国栽培的草莓中98%以上的栽培品种引自国外，国产草莓品种的市场占有率不到2%。中国草莓行业整体发展比较快速，在1985年，全国草莓种植面积仅有33平方千米，到了2012年，全国草莓种植面积则达到了1,149平方千米。中国的草莓产地主要分布在分布在辽宁、河北、山东、江苏、安徽等东部沿海地区，5省草莓种植面积合计约为全国总草莓种植面积的50%，其中辽宁丹东、安徽丰县、河北保定、山东烟台等市县都以大面积的草莓种植而闻名。北京草莓种植面积大约5万亩（50,000亩），以昌平种植为最多。 中国草莓种植基地主要分布 来源： 草莓主要产区 生产基地”，201230亿元（3,000,000,000 安徽省合肥市丰县 2013年，长丰草莓种植面积达约19.5万亩（195,000亩），总产量达35万吨左右(350,000吨)，涌现出水湖等5个草莓万亩乡镇，种植品种以“丰香”、“红颜”、“章姬”等鲜食品种为主。2012年2月，“长丰草莓”在北京举办的第七届世界草莓大会上，品质高于其他主产地的草莓位列第一。 河北省保定市满城县 河北省保定市满城草莓种植起始于20世纪五十年代初,至今，己有50多年的历史，2012年草莓种植面积达6.8万亩（68,000亩），草莓产量约为10万吨（100,000吨）。该县于1985年成立全国第一家县级草莓研究所，研究所培育出的品种在2005年，被农业部农产品质量安全中心认定为无公害农产品。在2012年在北京召开的第七届世界草莓大会上，选送的“绿海”、“绿波”草莓品种受到关注，并且获得较高评价。 山东省烟台市 烟台的草莓在全国是起步较早，是中国草莓主产区之一，草莓种植面积约10万亩（100,000亩），年产量约20万吨。山东烟台同样作为草莓主要产区，不断引进新的品质，改良现有的草莓品种，推出了早熟草莓，比普通的草莓的成熟期短，大约能够比正常的草莓丰收季提前半个月，烟台草莓率先占领市场，以比较高的价格出售，为草莓种植户提高了收入，大大提升了农户种植草莓的热情，最高时，山东烟台早熟草莓的零售价格可以达到40元人民币/斤左右。 四川省成都市双流县 双流县以种植冬草莓闻名,冬草莓种植面积常年稳定在5万亩左右（50,000亩），年产量约8万吨（80,000吨），年产值超过5亿元（500,000,000元人民币），“双流冬草莓”于2005年成为国家地理标志保护产品，2010年以6.9亿元的品牌价值名列全国农产品百强品牌。